[发明专利]多组件系统状态机会维护优化方法

说明书

本发明涉及一种多组件系统状态机会维护优化方法。在制定设备维护策略时，不仅要考虑设备的当前状态，还要考虑设备未来的退化趋势和失效概率。只有准确的知道设备的未来的退化趋势，才能够更好的制定维护策略。根据上述情况，本发明对比了多种预测算法，并在分析设备的状态监测信号的基础上，建立了针对单个个体的设备退化预测和剩余寿命预测模型，并考虑到系统的结构和任务周期的长度，建立了长任务周期下的多组件设备的机会状态维修模型。本发明使用了先进的信号采集技术和信号处理技术，实现了对系统的实施检测和实时预测，并扩展了设备机会基于状态的维护的理论和方法。

技术领域

本发明涉及多组件系统基于状态的维护方案优化技术。具体地说是考虑到不同产品的特性，结合工程实践情况，建立针对无失效数据和截尾数据下的设备个体寿命预测模型，并将模型运用于多组件系统中，建立多组件系统中设备机会基于状态的维护优化模型。

背景技术

在工程实践中，对设备进行合理的维护通常是提高设备可靠性的一种重要手段。多组件系统常采用个体维护或成组维护方法进行维护，而这两种维护方式，要么造成频繁的停开机，要么造成组件寿命的浪费。在实施维护时，往往还需要对设备进行停机，从而可能造成设备维护占用设备的生产加工时间，进而使得加工任务的完成时间延滞。因此，在进行生产加工任务排程时，除了需要考虑加工任务自身的信息，还需要考虑设备的维护对生产任务的影响。此外，在制定设备维护策略时，不仅要考虑设备的当前状态，还要考虑设备未来的退化趋势和失效概率。较为科学合理的维护策略往往是在准确的状态评估和预测分析基础之上得到的。传统的事件数据方法往往需要大量的失效数据或者截尾数据。但是对于新产品和新设备来说，其同类产品的状态监测数据较少，有时出于安全性和可靠性的考虑，其失效数据也较少。在这种情况下，如何建立设备的预测模型，进而建立其设备的状态维护模型尤为重要。

发明内容

本发明的目的是：考虑到不同预测方法的特性，结合工程实践情况，建立针对无失效数据和截尾数据下的设备个体寿命预测模型，并将模型运用于多组件系统中，建立多组件系统中设备机会基于状态的维护优化模型。

为了达到上述目的，本发明的技术方案是提供了一种多组件系统状态机会维护优化方法，其特征在于，包括以下步骤：

第一步、进行单一组件退化预测，包括以下步骤；

步骤1、对零部件执行状态监测，并提取出能够反映零部件退化情况的退化特征，将组件i在t时刻的退化特征向量表示为D_i,t；

步骤2、计算组件i的初始退化增长率，包括以下步骤：

先给定一个初始时间窗ws₀和开始预测时间点STP，假定所有的组件都在相同的状态监测策略下，组件i的在时间窗内的退化特征记作W_i,1和W_i,2，W_i,1和W_i,2的规模是由初始时间窗ws₀和特征提取方法决定，则有：

式中，D_i,STP表示组件i在时间点STP的退化特征向量。，并有：

式中，M_i,1和M_i,2分别为W_i,1和W_i,2的均值，若M_i,1和M_i,2是多维的，则选择其中的一维作为主元素用于计算，和是主元素中对应的均值，用于计算初始退化增长率；

初始退化增长率r_i,0为临近两个时间窗内的均值的比值，则有